一种基于语义分割的皮带撕裂检测方法及系统技术方案

本发明专利技术公开了一种基于语义分割的皮带撕裂检测方法及系统，该方法包括以下步骤：使用模型训练数据集对U_Net分割网络模型进行训练；获取待处理的激光线图片；将待处理的激光线图片进行切片处理；将若干激光线子图片输入训练后的U_Net分割网络模型进行并行激光线轮廓分割处理；对若干二值化激光线轮廓分割图分别进行轮廓提取，得到对应的激光线轮廓，并在若干激光线轮廓上分别构建凸包；选取每个激光线轮廓凸包上纵坐标值最小的凸包点。本发明专利技术解决了现有的通过采用编解码神经网络对采集的激光线图片进行语义分割的方法中，当采集到的激光线图片的分辨率比较大时，需要编解码神经网络分割处理的耗时就会过长，无法做到实时对皮带撕裂进行检测的问题。

【技术实现步骤摘要】

本专利技术涉及皮带撕裂检测，具体是一种基于语义分割的皮带撕裂检测方法及系统。

技术介绍

1、如今，分割技术的运用越来越广泛，对于想要得到的物体轮廓，通过分割技术，可以将其具体的轮廓精准的分割出来。在检测皮带是否有撕裂的项目中，首先将皮带上的激光线通过分割技术分割出来，然后通过判断分割出来的激光线上是否有因皮带撕裂而造成的凸起，从而达到检测皮带是否有撕裂的目的。有现有技术公开了通过采用编解码神经网络对采集的激光线图片进行语义分割，从而实现皮带上的激光线的分割，但是，在该方法中，当采集到的激光线图片的分辨率比较大时，需要编解码神经网络分割处理的耗时就会过长，无法做到实时对皮带撕裂进行检测，这样会出现还没有将皮带的撕裂点检测出来，皮带在转动的过程中，其上的皮带撕裂点就已经流走的情况，这样会出现非常大的漏检现象。

技术实现思路

1、针对上述缺陷，本专利技术提出了一种基于语义分割的皮带撕裂检测方法及系统，目的在于解决现有的通过采用编解码神经网络对采集的激光线图片进行语义分割的方法中，当采集到的激光线图片的分辨率比较大时本文档来自技高网...

【技术保护点】

1.一种基于语义分割的皮带撕裂检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于语义分割的皮带撕裂检测方法，其特征在于：在步骤S1中，建立模型训练数据集，具体包括以下子步骤：

3.根据权利要求1所述的一种基于语义分割的皮带撕裂检测方法，其特征在于：在步骤S6中，对二值化激光线轮廓分割图进行轮廓提取，具体包括以下子步骤：

4.根据权利要求1所述的一种基于语义分割的皮带撕裂检测方法，其特征在于：在步骤S6中，在激光线轮廓上构建凸包，得到激光线轮廓凸包，具体包括以下子步骤：在激光线轮廓上通过OpenCV的凸包函数convexHull()计...

【技术特征摘要】

1.一种基于语义分割的皮带撕裂检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于语义分割的皮带撕裂检测方法，其特征在于：在步骤s1中，建立模型训练数据集，具体包括以下子步骤：

3.根据权利要求1所述的一种基于语义分割的皮带撕裂检测方法，其特征在于：在步骤s6中，对二值化激光线轮廓分割图进行轮廓提取，具体包括以下子步骤：

4.根据权利要求1所述的一种基于语义分割的皮带撕裂检测方法，其特征在于：在步骤s6中，在激光线轮廓上构建凸包，得到激光线轮廓凸包，具体包括以下子步骤：在激光线轮廓上通过...

【专利技术属性】
技术研发人员：周伟亮，宣期峻，李方，纪俊杰，
申请(专利权)人：广东科凯达智能机器人有限公司，
类型：发明
国别省市：